一种基于IPSO-SVM算法的网络入侵检测方法

• 作者: 李学宝 杨晋 边琦 陈虎年 马占飞
• 来源期刊: 计算机科学
• 学科: 工学
• 关键词: 网络安全 入侵检测 粒子群优化算法 最优参数 支持向量机
• 年，卷（期）: 2018,（2）
• 所属期刊栏目: 信息安全
• 页码范围: 231-235,260
• 页数: 6页
• 分类号: TP393.08
• 字数: 6047字
• 语种: 中文
• DOI: 10.11896/j.issn.1002-137X.2018.02.040

摘要

网络入侵检测一直是计算机网络安全领域的研究热点,当前网络面临着诸多的安全隐患.为了提高网络入侵检测的准确性,首先对粒子群优化(Particle Swarm Optimization,PSO)算法进行了改进,然后利用改进的PSO算法(IPSO算法)对支持向量机(Support Vector Machine,SVM)的参数进行了优化,并在此基础上设计了一种新型的基于IPSO-SVM算法的网络入侵检测方法.实验结果表明,相比于经典的SVM和PSO-SVM算法,IPSO-SVM算法不仅明显改善了网络训练的收敛速度,而且其网络入侵检测的正确率分别提高了7.78％和4.74％,误报率分别降低了3.37％和1.19％,漏报率分别降低了1.46％和0.66％.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	马占飞	包头师范学院信息科学与技术学院	26	47	4.0	6.0
2	李学宝	包头师范学院信息科学与技术学院	12	29	3.0	5.0
3	边琦	内蒙古师范大学传媒学院	19	100	5.0	9.0
4	杨晋	内蒙古科技大学信息工程学院	3	23	3.0	3.0
5	陈虎年	内蒙古科技大学信息工程学院	1	16	1.0	1.0